اینترنت اشیاء و رایانش بصورت مه-Fog Computing

فناوری

اینترنت اشیاء حجم غیرقابل تصوری از انواع مختلف داده را ایجاد می‌کند. این حجم داده برای پردازش به مرکز رایانش ابری (Cloud Computing)  فرستاده خواهد شد. زمان ارسال و پردازش داده ها به فاکتور های مختلفی بستگی دارد اما این امکان وجود دارد که تاخیری نسبی ارزش داده ها را از بین ببرد. گاهی اوقات نیاز به تصمیم گیری و کنش در برابر رویدادی است که تاخیر در آن اثرات بدی بهمراه خواهد داشت. برای این منظور مدل دیگری برای پردازش داده ها توسط شرکت سیسکو پیشنهاد شده است که به آن رایانش بصورت مه (Fog Computing) گفته می‌شود. بطور خلاصه رایانش بصورت مه دارای مشخصات زیر است:

  • داده های حساس در همان دستگاه مبدا و یا فرستنده و البته نزدیک به محل جمع آوری مورد تحلیل قرار می گیرد  که به این وسیله از ارسال حجم وسیعی از داده بر روی شبکه جلوگیری می شود.
  • عمل بر روی داده ها در واحد میلی ثانیه انجام می پذیرد
  • قسمت مشخصی از داده ها بر اساس سیاستها تعریف شده به قسمت رایانش ابری ارسال خواهد شد

در مسیر طراحی و پیاده سازی سیستم های اینترنت اشیاء چالش های متعددی وجود دارد، دستگاه های IoT دائما در حال ایجاد داده هستند و در اغلب موارد تحلیل و پردازش داده ها باید سریع صورت پذیرد. برای نمونه تصور کنید چنانچه دمای محیط از حد مشحصی بالاتر رفت اقدامات لازمی باید بسرعت صورت پذیرد بنابرین ممکن است زمانی که صرف ارسال و تحلیل داده در مرکز رایانش ابری می شود هزینه ها و خطراتی را متوجه کاربر کند. با در نظر گرفتن انواع مختلف سرویس های اینترنت اشیاء می توان نیازمندی های محاسباتی آن را بصورت زیر طبقه بندی کرد:

  • تاخیر بسیار اندک: تحلیل داده ها در محلی نزدیک به حسگرها (Sensor) و دستگاه های اینترنت اشیاء کمک شایانی به کاهش میزان تاخیر در زمان اجرای فرامین و تحلیل داده ها خواهد داشت.
  • استفاده بهینه از پهنای باند: با توجه به ارسال حجم وسیعی از داده ها در اینگونه سیستم ها، انجام بسیاری از محاسبات و تحلیل ها نزدیک به محل تولید و جمع آوری داده از ارسال حجم وسیعی از داده ها بر روی شبکه جلوگیری خواهد کرد که این خود نقش بسزایی در کاهش هزینه های شبکه خواهد داشت.
  • کاهش نگرانی های امنیتی: نظر به ارسال حداقلی داده ها برروی شبکه بطبع خطرات امنیتی کمتری متوجه سیستم خواهد بود.

سیستم های رایانش ابری موجود نمی توانند بسیاری از نگرانی ها مطرح شده در مورد سیستم های اینترنت اشیاء را مرتفع کنند و همانطور که اشاره شد جابجایی حجم وسیعی از داده ها در شبکه جدای هزینه و مخاطرات امنیتی باعث بوجود آمدن تاخیرهای نسبتا طولانی خواهند شد. علاوه بر آن بسیاری از سیستم های رایانش ابری از پروتکل IP برای تبادل داده استفاده می‌کنند درحالی که برخی از دستگاه ها و سنسور های موجود این پروتکل را پشتیبانی نمی کنند، اضافه کردن پشته پروتکل آی پی(IP Protocol Stack)  قیمت تمام شده بسیاری از دستگاه ها و پایانه ها را زیاد می کند. بنابراین منطقی است که داده ها در نزدیک دستگاه بررسی و تحلیل شوند که همانطور که اشاره شد شرکت سیسکو نام رایانش بصورت مه را بروی این مدل محاسباتی قرار داده است. این روش محاسبه در حقیقت به نوعی توسعه رایانش ابری است. شکل زیر شمای کلی این معماری را نشان می دهد:

در ادامه بخوانید:  کارگاه اینترنت اشیاء و یادگیری ماشینی

Fog Computing

داده هایی که به تاخیر حساس هستند بجای ارسال به مرکز در همان محل مورد تحلیل قرار می گیرند و در صورت نیاز  می‌توان فرامین خاصی را نیز اجرا کرد، به عنوان مثال تصور کنید می‌خواهید فرمان بستن درب ساختمانی را در صورت مشاهده برخی مسائل امنیتی بدهید یا در هنگام مشاهده خطری برروی ریل فرمان ترمز قطار را صادر کنید حتی می‌توانید اقدام به  روشن کردن سیستم تهویه در زمان افزایش دمای موتورخانه منزل خود کنید، همه نمونه های اشاره شده از فرامینی هستند که باید بدون فوت وقت اجرا شوند و ارسال داده ها به مرکز رایانش ابری و انتظار برای دریافت پاسخ خسارت های جبران ناپذیری به همراه خواهد شد.

منبع: سیسکو

IOTCUPfooter

مهدی حسینی مقدم

پژوهشگر و مدیر فناوری اطلاعات، یک دانشجوی مادام العمر و صد البته یک دوستدار تکنولوژی

More Posts

Follow Me:
TwitterLinkedIn

6 دیدگاه :

  • خیلی به دردم خورد…ممنون…..میشه درباره dew computing هم یه توضیح کوتاه بدین و اینکه آیا fog computing اجرا شده یا در حد تئوری هست؟ ممنون

    • در مورد سوال دوم باید عرض کنم که بله پیاده سازی شده و خود شرکت سیسکو محصولی در این زمینه داره. بطور کلی اما به عنوان مفهوم می تونه توسط خود شما پیاده سازی بشه. اصولا هر زمان که شما بجای ارسال داده خام به سرور های رایانش ابری پردازش هایی رو سمت دستگاه ها انجام بدین بنوعی از این روش استفاده کردید هرچند تقسیم کارهایی اینچنینی نیازمند متدولوژی های خاص خودشه.
      اما در مورد dew computing باید از شما تشکر کنم که باعث شدید با مفهوم جدیدی آشنا بشم. حتما پس از کمی بررسی و مطالعه آموخته های خودمو با شما به اشتراک می گذارم.

  • امین عزیز باسلام /
    لازم به ذکر است که DC یا رایانش شبنم ( ترجمه به همین نام ) به عنوان پارادایمی جدید و به عنوان لایه ای بین رایانش مه و قبل از رایانش ابری قرار میگیرد که باعث کاهش هزینه های پردازش و بهبود عملکرد پردازش های مبتنی رایانش ابری و مه در مدل اینترنت اشیا IOTو اینترنت همه چیز IOE میشود همچنین پاردایم مذکور سبک جدید برنامه نویسی را بوجود می آورد که باعث کاهش پیچیدگی های محاسبات و افزایش بهره وری را به همراه دارد همچنین رایانش شبنم در محاسبات توزیع شده مقایس پذیر که نیاز به بهره وری بالا می باشد به کار میرود . و یکی از طراحان مشهور این پارادایم پرفسور karolj skala و تیم کارشناسان از زاگرب هستند. مدل مذکور تا سال ۲۰۲۰ عملیاتی می گردد.
    نتیجه اینکه رایانش شبنم هم خانواده رایانشهای توزیع شده می باشد .

  • سلام مطلب خیلی خوب و جالبی بود
    میخوام اگه بشه به عنوان موضوع پایان نامه م انتخابش کنم اما احتیاج به اطلاعات بیشتری دارم میتونم با شما در تماس باشم؟ احتیاج دارم به یک نفر که راهنماییم کنه من دانشجو ارشد هستم masoudy.nezhad@gmail.com اگه امکانش هست و خودتون تمایل دارید به ایمیلم پیام بدید خیلی خوشحالم میکنید با تشکر

  • با سلام و تشکر از همه دوستان
    ببخشید من میخوام موضوع پایان نامه ارشدم رو تو زمینه اینترنت اشیا کار کنم
    میشه برا انتخاب موضوع راهنمائیم کنید
    ممنون
    a_babarabia@yahoo.com

پاسخ دهید